[1]洪高枫,黄 杰,万 健.融合医学本体知识的药物推荐算法[J].浙江科技学院学报,2022,(03):233-241.[doi:10.3969/j.issn.1671-8798.2022.03.005 ]
 HONG Gaofeng,HUANG Jie,WAN Jian.Drug recommendation algorithm integrating medical ontology representation[J].,2022,(03):233-241.[doi:10.3969/j.issn.1671-8798.2022.03.005 ]
点击复制

融合医学本体知识的药物推荐算法(/HTML)
分享到:

《浙江科技学院学报》[ISSN:1001-3733/CN:61-1062/R]

卷:
期数:
2022年03期
页码:
233-241
栏目:
出版日期:
2022-06-30

文章信息/Info

Title:
Drug recommendation algorithm integrating medical ontology representation
文章编号:
1671-8798(2022)03-0233-09
作者:
洪高枫黄 杰万 健
(浙江科技学院 信息与电子工程学院,杭州 310023)
Author(s):
HONG Gaofeng HUANG Jie WAN Jian
(School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou 310012, Zhejiang, China)
关键词:
药物推荐 图神经网络 注意力机制
分类号:
TP301.6
DOI:
10.3969/j.issn.1671-8798.2022.03.005
文献标志码:
A
摘要:
针对传统的药物推荐技术忽略了医疗编码体系中蕴含的本体分类信息,导致推荐效率不高的问题,提出了一种融合图神经网络技术和注意力机制的药物推荐算法。首先通过图神经网络学习医学本体图中的分类关系,对医疗代码进行嵌入表示; 其次将医疗表示输入结合注意力机制的循环神经网络中捕捉患者病历信息特征,同时引入药物相互作用知识,通过图神经网络学习药物相互作用关系; 最后进行多标签分类来输出推荐药物。算法在电子病历数据集上进行试验,结果如下:F1值为63.09%,杰卡德相似系数为47.43%,精确度调用曲线值为71.64%,优于对比的其他方法。试验结果表明本算法能够丰富医疗代码表示,提升药物推荐的准确率,并且降低推荐药物组合中相互作用概率。本算法能够向医生推荐合适的药物,对医疗智能化发展具有一定的参考价值。

参考文献/References:

[1] 李鹏飞,鲁法明,包云霞,等.基于医疗过程挖掘与患者体征的药物推荐方法[J].计算机集成制造系统,2020,26(6):1668.
[2] 张晓博,杨燕,李天瑞,等.基于医疗文本数据聚类的帕金森病早期诊断预测[J].计算机应用,2020,40(10):3088.
[3] 刘杰,金柳颀,景波.基于药物和疾病特征关联的药物重定位混合推荐算法[J].计算机应用研究,2020,37(3):672.
[4] 芮晨,李杰,郭栋炜,等.基于LIME-BP神经网络的医疗费用预测研究[J].中国卫生统计,2020,37(5):698.
[5] 王露潼,王红,宋永强,等.基于FT-LSTM模型的临床事件诊断序列预测研究[J].计算机应用研究,2020,37(10):2961.
[6] 吴宗友,白昆龙,杨林蕊,等.电子病历文本挖掘研究综述[J].计算机研究与发展,2021,58(3):513.
[7] 周虎,于跃,张正宇,等.基于电子病历的ADR知识发现与应用模型研究[J].中国卫生事业管理,2020,37(2):81.
[8] 李枫林,李娜.基于情景的医药信息服务本体建模及规则推理研究[J].情报理论与实践,2016,39(5):120.
[9] CHEN Z, MARPLE K, SALAZAR E, et al. A physician advisory system for chronic heart failure management based on knowledge patterns[J].Theory & Practice of Logic Programming,2016,16(5):604.
[10] GONG F, WANG M, WANG H, et al. Smr:medical knowledge graph embedding for safe medicine recommendation[J].Big Data Research,2021,23:100174.
[11] CHOI E, BAHADORI M T, KULAS J A, et al. RETAIN:an interpretable predictive model for healthcare using reverse time attention mechanism[C]//Proceedings of the 30th International Conference on Neural Information Processing Systems. Barcelona:CAI,2016:3512.
[12] MA L, ZHANG C, WANG Y, et al. Concare:personalized clinical feature embedding via capturing the healthcare context[C]//Proceedings of the AAAI Conference on Artificial Intelligence. New York:AAAI,2020:833.
[13] SHANGE J, XIAO C, MA T, et al. GAMENET:graph augmented memory networks for recommending medication combination[C]//Proceedings of the AAAI Conference on Artificial Intelligence. Hawaii:AAAI,2019:1126.
[14] BHOI S, LI L M, HSU W. PREMIER:personalized recommendation for medical prescriptions from electronic records[EB/OL].(2020-08-28)[2022-05-12].https://arxiv.org/abs/2008.
[15] SLEE V. The international classification of diseases:ninth revision(icd-9)[J].Annals of Internal Medicine,1978,88(3):424.
[16] JOHNSON A E W, POLLARD T J, SHEN L, et al. MIMIC-Ⅲ, a freely accessible critical care database[J].Scientific Data,2016,3(1):1.
[17] ZHANG Y, CHEN R, TANG J, et al. LEAP:learning to prescribe effective and safe treatment combinations for multimorbidity[C]//Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York:ACM,2017:1315.

备注/Memo

备注/Memo:
收稿日期:2021-06-23
基金项目:国家自然科学基金项目(61972358); 浙江省重点研发计划项目(2020C03071)
通信作者:万 健(1969— ),男,福建省泉州人,教授,博士,主要从事云计算及大数据研究。E-mail:wanjian@zust.edu.cn。
更新日期/Last Update: 2022-06-30